三维云辐射效应的机器学习模拟
机器学习
2022-03-16 v3 大气与海洋物理
摘要
数值天气与气候模式中对云结构的处理常大幅简化以使其计算可行。此处我们提出使用计算廉价的神经网络来修正欧洲中期天气预报中心一维辐射方案 ecRad 的三维云效应。三维云效应被学习为 ecRad 忽略它们的快速一维 Tripleclouds 求解器与包含它们但计算代价约高五倍的其三维 SPARTACUS（通过云侧辐射传输的快速算法）求解器之间的差值。典型误差为三维信号的 20% 至 30%，神经网络以约 1% 的运行时增加改善了 Tripleclouds 的精度。因此，我们并非模拟整个 SPARTACUS，而是保持 Tripleclouds 在大气无云部分不变并在他处进行三维修正。相对于整个信号，聚焦于较小的三维修正而非全部信号，若我们假设两者具有类似的信噪比，则可使预测显著改善。
引用
@article{arxiv.2103.11919,
title = {Machine Learning Emulation of 3D Cloud Radiative Effects},
author = {David Meyer and Robin J. Hogan and Peter D. Dueben and Shannon L. Mason},
journal= {arXiv preprint arXiv:2103.11919},
year = {2022}
}
备注
Published version